北大计算机陈鹏,2021届毕业颁证仪式 | 特邀嘉宾北京大学陈鹏教授主旨演讲

笃定选择,信步未来

——上海科技大学物质学院2021年毕业典礼致辞

陈鹏

(北京大学博雅特聘教授/北京大学研究生院副院长)

亲爱的同学们, 各位老师、家长、来宾,大家下午好!

首先,非常荣幸被邀请参加上海科技大学物质学院的本科生毕业典礼!拿到毕业证书的你们即将开启人生新的征程,请允许我向各位同学表示衷心的祝贺!祝大家毕业快乐,前程似锦!

在这个重要的日子,我想向同学们送上两句话:

(一)感谢过往,笃定选择

今年6月7日高考第一天,人民日报为高考加油的推送标题是 “笔下是熠熠生辉的未来”。你们是否还记得当年停笔的那一刻是怎样的心情?可还记得拿到录取通知书时的心情呢?上海科技大学的入场券是你们“熠熠生辉的未来”?或者有些人感怀“天道酬勤,得偿所愿”,但也会有人“未达心愿,心有不甘”。无论你是哪一款,我都能想见,我们当年都是带着忐忑的心情,并怀揣着梦想步入这个未知的大学校园。

可能在座一些学生部分了解过我的经历,我出生在大西北,首都北京和北京大学一直植根于我的心中,是我心中的圣地。我热爱化学,化学一直是我的理想。1998年,我在全国高中化学奥赛上取得了优异的成绩,我毫不迟疑地选择保送北大,选择化学,开启了所谓的“熠熠生辉的未来”。

在这个时刻说起我的这段经历,是不是颇有点“凡尔赛”的嫌疑?但我想说的是,这份圆梦的喜悦很快就被入学后的焦虑所取代。九月,我终于来到了北大,开始了我的大学生活。然而,刚入学的兴奋与新鲜感很快就消失殆尽了。刚刚窃喜可以不用像隔壁的同学那样上机械制图等工科课程,却发现我在高中最怕上的语文课是大一新生的必修课;以为可以躲过隔壁体育课上的3000米跑,却发现200米游泳是我们体育课的合格标准。我曾引以为傲的化学成绩在这个人才济济的校园里,也不再显得那么出类拔萃。学院里的师兄师姐开始讨论学化学不好找工作,不容易挣到钱,身边也有同学开始琢磨转系、转专业,有人开始备考各种证书。我开始心慌,也选修了经济学双学位,此后的很多周末都在经济学课堂上度过。没错,就像之前饶毅老师在一份致辞中提到的那种“读经济学位的理科生”。是的,面对虚幻的前程,激烈的竞争,陌生的环境,我感受到前所未有的压力,我对未来充满了焦虑。

0f10838541866e0aab3b5216b4f8e7f2.png

然而,内心煎熬着度过了一段时光后,我开始享受大学生活的平静与温和。我开始喜欢语文课上优美的散文了,我学会了游泳,发现游200米真的不难。我上过了很多大师的经济课,我享受这些课程,并顺利取得了双学位的证书,同时,我却更加坚定化学是我的挚爱与理想。我的心漫漫沉了下来,我逐渐明白,那些看似迷茫的选择,其实就是大学对我培养的一部分,它既包含着我必须完成的规定动作,也创造了足够的空间,任我按照自己的意愿去发展;而我,必须学会取舍!我决定继续投身化学,而我的这一选择,一下子坚持了20年,我在北大毕业后,去国外深造,然后回到母校,一直投身于化学与生命科学的交叉研究。

在每个学子对大学生活的记忆中,愉快和痛苦的比例各有不同。但不可否认,它都将是一段不可磨灭的记忆,也将在你的未来人生中“熠熠生辉”。我感谢我的大学生活,在这段生活中,我获取了专业知识,更重要的是,我学会了独立思考,确定了自己的人生道路,这使得我可以笃定前行,不再迷茫。

我也希望你们带着感恩的心情,回望在上科大四年里所经历的一切开心的、不安的、满意的、困顿的、坚守的、放弃的一切种种过往,擦亮你的梦想,仍像那个刚步入大学时的少年,继续笃定信念、怀揣理想奔赴下一段旅程。

(二)不惧前路,信步未来

同学们,毕业证书是一张门票,你们即将打开另外一扇大门,那个世界很精彩,那个世界也必然还有无奈。千万的毕业生就有千万种对于未来的规划和选择。

以从我实验室走出的本科生为例,他们有的在获得了美国顶尖高校如哈佛和麻省理工等博士学位,回国成为大学教授,独立带领科研团队;有的毕业后开始创业,还曾经入选过福布斯中国30位30岁以下青年创业者名单;还有人进入教育行业,兢兢业业培养祖国的下一代。

对于那些未来仍然选择固守本科专业的学生,我首先恭喜你们,你们即将在未来的学习和工作中继续增加专业的积累,从而增加人生的深度;对于那些选择从事专业相关行业学习和工作的学生,我也要恭喜你,你们即带着专业知识将视野延伸到更多的领域,从而增加人生的广度;而对于从事完全与本专业无关的学习和工作的学生,我还是要恭喜你,你即将出发挑战一个更为多样的世界,从而增加看待人生的角度。请相信,“每一个选择,都是最好的安排”。选择必然是在这个特定的时刻做出的最好的决定,选择没有错误,只要努力就必然每天离梦想更近一点。这里我要引用苏炳添的那句话来鼓励大家,“世上总有你追不上的人,所以,专注按自己的节奏跑,就好。”

以我的大学本科同学为例,有人选择在科研领域深耕,一如我,我的课题组即将迎来12岁生日,既有毕业离开也有新组员加入;有人利用专业知识进行投资,融资过亿;还有人进入了影视圈,拍摄和发行电影;更有人喜添三胎成为优秀的全职太太。

所谓成功,就是不抗拒自己内心的喜爱,不有违社会认同的道德底线,凭借自己的努力,沿着自己选定的方向,向着自己的理想,不断前进。

同学们,请在未来的人生中,铭记住此时此刻这个闪闪发光的你,记住你此时的选择 ,此时的感受 ,此时的梦想,自信而坚定地迈出每一步!

最后,再次祝贺大家毕业快乐,也祝福各位同学,人生下一场拼搏过后,回校仍是少年 !再见!谢谢大家!

2021.07.03

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值